一、主题：Spark RDD 求员工工资总额及排名

问题提出：近三年来，全球新冠疫情已经严重影响了现有经济情况，公司高层领导对公司运行情况进行深入了解，需要了解每个部门的人力成本，以至于更加合理的优化人力资源配置，最大程度的开源节流。根据项目实际需要，要求使用Spark RDD 求各部门员工工资总额，以及按照各部门的人力成本进行排序。

二、需求：

任务1、根据员工工资表（emp.csv），求出各部门员工总工资

任务2、对各部门工资开销情况按部门进行排序（升序）

任务3、对各部门工资开销情况，按照部门员工总工资进行排序（升序）

三、问题解决：

1、读取员工工资表（emp.csv）

2、获取员工工资信息和部门信息

3、对各部门工资进行汇总

4、按部门进行排序（升序）

测试数据：

一、回顾上一节课的内容：

1、程序框架的搭建

2、Spark程序的运行的必要条件

二、需求分析

1、分析工资表（哪一列是工资，哪一列是部门）

2、根据工资表的数据，分析如何求出总工资，

3、根据工资表的数据，分析如何按照部门编号排序

三、基本思路

1、读取文件

2、提取相关字段（F,H）

3、映射成键值对（部门，工资）

4、汇聚

5、排序

6、结果输出

四、需求实现

1、创建单例对象

2、入口函数

3、创建CONF

4、创建SC

5、读取文件创建RDD

6、切分（“,”）

7、提取下标5,7字段

8、映射成键值对（部门，工资）

9、汇聚

10、排序

11、结果输出

12、关闭资源

五、可选择的算子：

1、textFile

2、split

3、map

4、reduceByKey

5、sortByKey

6、 collect

7、foreach

六、布置任务

任务3、对各部门工资开销情况，按照部门员工总工资进行排序（升序）

七、下节课预告

1、如何将RDD写入MySQL数据库

2、Spark SQL基础操作实验课

参考代码：

import org.apache.spark.{SparkConf, SparkContext}



object EmpSalByDeptNo {

def main(args: Array[String]): Unit = {

//1、创建conf 和 sc

val conf = new SparkConf().setAppName("EmpSalByDeptNo").setMaster("local[2]")

val sc = new SparkContext(conf)

// 2.业务逻辑（重点）

sc.textFile("file:///D:\\temp\\emp.csv")

.map(x => {

val strings = x.split(",")

val sal = strings(5).toInt

val deptNo = strings(7).toInt

(deptNo,sal)

}).reduceByKey(_+_).sortByKey(ascending = true).collect().foreach(println)



//3.关闭资源

sc.stop()

}



}